Análisis de panel a variables dependientes a valor de mercado y regresores transformados de la muestra principal acumulada (1990-2004) y las variables

macroeconómicas del mismo periodo.

4.2.4.1 Aplicación del Método de Coeficientes Comunes.

El nivel de explicación de la variable de apalancamiento basada totalmente en valores de mercado, CEDP, se incrementó con la utilización de las variables transformadas, en comparación con las variables originales. La R2 ajustada de la regresión fue 34%, mientras que en la regresión con el mismo método y las variables originales, se tuvo una R2 ajustada de 19.2% . Las nuevas variables independientes que resultaron significativas para el modelo lineal, a nivel de significancia de < 0.01, fueron: la razón de inversión variable a fija, RIVF, con un coeficiente con signo negativo y con valor relevante; la variable “proxy” de utilidad neta a flujo de inversión, MUFI; la razón de escudos fiscales no deuda a flujo de inversión total, ENDI. Estas últimas variables independientes también tiene coeficientes con signo negativo, lo cual indica que el nivel de apalancamiento debe ser bajo para una empresa que genere mayores utilidades dado un nivel de flujo de inversión en activos, en comparación con una empresa que genera menores utilidades.

En lo que respecta a la variable ENDI, el signo negativo de su coeficiente indica que una empresa que dispone de mayores cargos por depreciación y amortización, dado un nivel de flujo de inversión, tendrá menos probabilidad de utilizar el endeudamiento , y por lo tanto, su nivel de apalancamiento será relativamente menor al de una empresa con menores escudos fiscales no de deuda. Sin embargo, hay que mencionar a este respecto que, un alto nivel de escudos fiscales no de deuda pueden ser el resultado de tener inversión instalada reciente y no requerir nuevos recursos de capital para destinarlos a la inversión.

En relación a la variable RIVF, razón de inversión variable a fija, al estar definida en términos de la razón del capital de trabajo neto en el numerador y la razón de

Mario González Valdés 106

activos fijos netos, se interpretó como una variable que estaría en relación directa con el apalancamiento, considerando que el exceso de inversión en capital de trabajo neto, por cuestión práctica, elevaría la cantidad de financiamiento de los activos circulantes no cubiertos por el pasivo circulante.

Con base en este análisis, se supuso un coeficiente con signo positivo para esta variable, sin embargo, la aplicación del análisis de mínimos cuadrados con el método de coeficientes comunes, dio como resultado un coeficiente con signo negativo que indica que dada una mayor razón de inversión variable a fija, el nivel de apalancamiento será menor. Esto se puede interpretar en función de la naturaleza de aquellas empresas presentes en la muestra cuya actividad es de tipo comercial y / o de servicios que no requieren una inversión alta en activos fijos y por lo tanto, la utilización de activos de corto plazo tienden a ser financiados con fuentes de corto o mediano plazo, a fin de realizar el empate, entre los vencimientos de los activos y de los pasivos. De aquí que las medidas de apalancamiento referidas a la estructura de capital de largo plazo no estarán en relación directa a las necesidades de la inversión variable de la empresa, sino al contrario.

(Ver el cuadro resumen de resultados 4.2.4R y los cuadros de resultados a detalle 4.2.25 y 4.2.26 del Anexo E)

A partir de la discusión anterior, surge aquí el cuestionamiento sobre la importancia de la composición de la muestra en el descubrimiento de los factores micro y macro económicos que resultan relevantes para explicar la estructura de capital de la empresa. Aunque en primera instancia puede parecer evidente que la presencia mayoritaria de determinado tipo de empresas, proporcionarán un conjunto de factores y niveles de apalancamiento, hasta cierto punto intrínsecos, es importante señalar que una composición diversa de tipos de empresas en la muestra, aumenta la probabilidad de descubrir aquellos factores micro y macroeconómicos que tienen una relación relevante en la determinación de la estructura de capital. Así que la investigación de la influencia de determinadas variables independientes, debe partir de la selección de

Mario González Valdés 107

aquellas que representen procesos y condiciones que sean independientes, en la medida de los posible, de características o políticas peculiares de las empresas bajo estudio.

4.2.4.2 Aplicación del Método de Efectos Fijos.

En este método y en el de efectos aleatorios, el análisis de mínimos cuadrados amplía el modelo lineal con el que se propone la explicación de la variación del nivel de apalancamiento, evalúando la contribución de la relación específica de un conjunto de factores no identificados de cada empresa sobre el apalancamiento. De aquí que por eficiencia econométrica, se encuentran las variables significativas que tendrán coeficientes comunes a través de las empresas y constantes también a través del tiempo.

En el análisis del apalancamiento medido con la razón de estructura de capital con los componentes de deuda y capital a valor de mercado, se encontró que las variables significativas que permanecen en el modelo derivado de este método son: El múltiplo de mercado, MMA, la tasa de interés de referencia, CETE y la razón de inversión variable a inversión fija, RIVF, ya comentada en el método anterior. El signo de los coeficientes de las tres variables es negativo y por lo tanto en congruencia con la interpretación que ya fue analizada en otras pruebas. El coeficiente de mayor impacto es el que corresponde a la variable CETE.

Sólo es necesario aclarar que la variable de múltiplo de mercado, MMA, explicativa en este modelo, está altamente correlacionada con la variable definida como Índice de Valoración Relativa, IV21, la cual resultó significativa en el modelo obtenido con el método de análisis de coeficientes comunes. El coeficiente de determinanción ajustado R2 _{fue prácticamente del 50 %. El modelo obtenido bajo la variables}

21 _{IV, está definido como el índice de valoración relativa, que se calcula dividiendo el Múltiplo de mercado de la} acción común de una empresa entre el promedio de los múltiplos de mercado de las empresas que participan en el mismo sector.

Mario González Valdés 108

secundarias tiene una R2 mayor que la correspondiente al obtenido con las variables primarias y el mismo método de análisis.

En relación a los resultados obtenidos de la regresión de la variable de apalancamiento que combina valores de mercado y de libros, CEA, las variables que resultaron significativas al nivel de <0.01 de probabilidad fueron: el múltiplo de mercado MMA y la razón de inversión variable a fija, RIVF. Ambas variables presentan un coeficiente con signo negativo, que indica la relación inversa entre el nivel de apalancamiento y dichas variables. Sin embargo, en el modelo de esta variable dependiente, no aparece la variable independiente, CETE. La R2 obtenida fue de 50.6%.

(Ver el cuadro resumen de resultados 4.2.4R y los cuadros de resultados a detalle 4.2.27 y 4.2.28 del Anexo E)

4.2.4.3 Aplicación del método de efectos aleatorios.

Las variables significativas y los signos de los coeficientes respectivos del modelo resultante con este método, en ambos casos de las variables de apalancamiento, CEDP Y CEA, fueron los mismos que los que se obtuvieron en el modelo del método anterior. Los coeficientes de determinación se incrementaron ligeramente, obteniéndose una R ajustada de 53% y 54.4% para los modelos de regresión de las variables dependientes, CEDP y CEA respectivamente.

(Ver el cuadro resumen de resultados 4.2.4R y los cuadros de resultados a detalle 4.2.29 y 4.2.30 del Anexo F)

Mario González Valdés 109

Cuadro 4.2.4R Resultados del análisis de panel a variables independientes a valor de mercado y regresores transformados. Muestra acumulada (1990-2004)

METODO PANEL COEFICIENTES COMUNES EFECTOS FIJOS EFECTOS ALEATORIOS

DEPENDIENTES --> CEDP CEA CEDP CEA CEDP CEA

INDEPENDIENTES \

Constante C = 0.5513*** C = .2364 INDIVIDUAL INDIVIDUAL C = 0.6371*** C = 0.5119***

b = 0.0066** b = 0.0066** ZR t = 2.4696 t = 2.3292 b = -0.00013** b = 0.00013** TICR t = -2.1862 t = -2.1339 b = 0.1416*** b = 0.1053*** ICE t = 6.742613 t = 4.7942 b = 0.3590*** RALP t = 4.9195 b = -0.2659*** b = -0.1334 b = -0.0317*** b = -0.1148*** b = -0.0326*** b = -0.1104*** RIVF t = -8.2635 t = -3.6387 t = -2.7570 t = -3.5887 t = -2.9113 t = -3.6163 b = -0.00197** b = -0.0031*** b = -0.0017** b = -0.0017** ENDI t = -2.6602 t = -3.9919 t = -2.2560 t = -2.2484 b = -0.0018*** b = -0.0026*** b = -0.0013** b = -0.0014** MUFI t = -3.1915 -4.4737 t = -2.0992 t = -2.2074 b = -0.1073*** b = -0.0963*** IV t = -10.8131 -9.3612 b = -0.0504*** b = -0.0419*** b = -0.0512*** b = -0.0427*** MMA t = -10.6467 t = -8.588 t = -11.0878 t = -9.0043 b = -1.2859*** PIB t = -3.6821 b = -0.7203*** b = 0.3915*** b = 0.3949*** CETE -6.6363 -4.4956 t = -4.5423 Total observaciones 459 458 770 647 770 647 R cuadrado Ajustado 0.3404 0.288674 0.4997 0.5065 0.53076 0.5439 Error Típico 0.2438 0.252072 0.2673 0.2625 0.25889 0.2524 Estadístico F 27.26 24.1828 411.55 239.66 Durbin - Watson 0.6119 0.685227 0.9619 1.0195 0.9587 1.0166

Se presentan los coeficientes b estandarizados y los estadísticos "t" de las variables en el mejor modelo.

Mario González Valdés 110

4.2.5 Análisis de panel a variables dependientes a valor de mercado y regresores